Sentry JavaScript SDK 使用教程
2024-09-14 09:27:28作者:曹令琨Iris
项目介绍
Sentry JavaScript SDK 是 Sentry 官方提供的用于 JavaScript 环境的错误监控和性能监控工具。它支持多种 JavaScript 运行环境,包括浏览器、Node.js、React、Vue、Angular 等。Sentry JavaScript SDK 通过捕获应用程序中的错误和性能问题,帮助开发者快速定位和修复问题,提升应用的稳定性和性能。
项目快速启动
安装
首先,你需要在你的项目中安装 Sentry JavaScript SDK。你可以使用 npm 或 yarn 进行安装:
npm install @sentry/browser
# 或者
yarn add @sentry/browser
初始化
在你的应用程序入口文件中,初始化 Sentry SDK:
import * as Sentry from '@sentry/browser';
Sentry.init({
dsn: 'https://<key>@sentry.io/<project>',
integrations: [new Sentry.Integrations.BrowserTracing()],
tracesSampleRate: 1.0,
});
捕获错误
你可以手动捕获错误并发送给 Sentry:
try {
// 你的代码
} catch (error) {
Sentry.captureException(error);
}
应用案例和最佳实践
应用案例
假设你正在开发一个 React 应用,并且希望在用户遇到错误时能够及时捕获并处理。你可以使用 Sentry 来监控应用中的错误。
import React from 'react';
import ReactDOM from 'react-dom';
import * as Sentry from '@sentry/react';
import App from './App';
Sentry.init({
dsn: 'https://<key>@sentry.io/<project>',
integrations: [new Sentry.Integrations.BrowserTracing()],
tracesSampleRate: 1.0,
});
ReactDOM.render(
<Sentry.ErrorBoundary fallback={<p>An error has occurred</p>}>
<App />
</Sentry.ErrorBoundary>,
document.getElementById('root')
);
最佳实践
- 配置环境变量:在生产环境和开发环境中使用不同的 DSN(数据源名称),以便在开发过程中不会将错误发送到生产环境。
- 性能监控:使用
BrowserTracing集成来监控应用的性能,并设置tracesSampleRate来控制性能数据的采样率。 - 自定义错误处理:通过
beforeSend钩子来自定义错误处理逻辑,例如过滤掉某些不需要发送的错误。
典型生态项目
Sentry 官方 SDK
- @sentry/browser:用于浏览器环境的 SDK。
- @sentry/node:用于 Node.js 环境的 SDK。
- @sentry/react:专门为 React 应用设计的 SDK。
- @sentry/vue:专门为 Vue.js 应用设计的 SDK。
社区项目
- @sentry/webpack-plugin:用于在 Webpack 构建过程中自动上传源映射文件。
- @sentry/tracing:用于性能监控的扩展库。
通过这些工具和 SDK,你可以轻松地将 Sentry 集成到你的 JavaScript 项目中,实现全方位的错误监控和性能优化。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
866
1.95 K
Ascend Extension for PyTorch
Python
725
897
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
629
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425